مجموعة بيانات COCO8
مقدمة
Ultralytics COCO8 عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات للكشف عن الأجسام، وتتكون من أول 8 صور من مجموعة بيانات COCO Train 2017، 4 للتدريب و4 للتحقق من صحة الصور. تُعد مجموعة البيانات هذه مثالية لاختبار نماذج اكتشاف الأجسام وتصحيحها، أو لتجربة مناهج اكتشاف جديدة. مع وجود 8 صور، فهي صغيرة بما يكفي لإمكانية إدارتها بسهولة، ولكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثًا عن الأخطاء والعمل بمثابة فحص للعقل قبل تدريب مجموعات بيانات أكبر.
شاهد: Ultralytics نظرة عامة على مجموعة بيانات COCO
مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics HUB و. YOLO11.
مجموعة البيانات YAML
يُستخدم ملف YAML (لغة ترميز أخرى) لتعريف تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات COCO8، فإن ملف coco8.yaml
يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8.yaml.
ultralytics/cfg/datasets/coco8.yaml
# Ultralytics YOLO 🚀, AGPL-3.0 license
# COCO8 dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco8/
# Example usage: yolo train data=coco8.yaml
# parent
# ├── ultralytics
# └── datasets
# └── coco8 ← downloads here (1 MB)
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)
# Classes
names:
0: person
1: bicycle
2: car
3: motorcycle
4: airplane
5: bus
6: train
7: truck
8: boat
9: traffic light
10: fire hydrant
11: stop sign
12: parking meter
13: bench
14: bird
15: cat
16: dog
17: horse
18: sheep
19: cow
20: elephant
21: bear
22: zebra
23: giraffe
24: backpack
25: umbrella
26: handbag
27: tie
28: suitcase
29: frisbee
30: skis
31: snowboard
32: sports ball
33: kite
34: baseball bat
35: baseball glove
36: skateboard
37: surfboard
38: tennis racket
39: bottle
40: wine glass
41: cup
42: fork
43: knife
44: spoon
45: bowl
46: banana
47: apple
48: sandwich
49: orange
50: broccoli
51: carrot
52: hot dog
53: pizza
54: donut
55: cake
56: chair
57: couch
58: potted plant
59: bed
60: dining table
61: toilet
62: tv
63: laptop
64: mouse
65: remote
66: keyboard
67: cell phone
68: microwave
69: oven
70: toaster
71: sink
72: refrigerator
73: book
74: clock
75: vase
76: scissors
77: teddy bear
78: hair drier
79: toothbrush
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8.zip
الاستخدام
لتدريب نموذج YOLO11n على مجموعة بيانات COCO8 لـ 100 حلقة تدريبية بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.
مثال على القطار
عينة من الصور والتعليقات التوضيحية
فيما يلي بعض الأمثلة على صور من مجموعة بيانات COCO8، إلى جانب التعليقات التوضيحية المقابلة لها:
- صورة فسيفساء: توضح هذه الصورة دفعة تدريب مكونة من صور مجموعة بيانات موزاييك. الفسيفساء هي تقنية تُستخدم أثناء التدريب تدمج صورًا متعددة في صورة واحدة لزيادة تنوع الأجسام والمشاهد داخل كل دفعة تدريب. يساعد ذلك في تحسين قدرة النموذج على التعميم على أحجام الأجسام المختلفة ونسب أبعادها وسياقاتها.
يعرض المثال تنوع وتعقيد الصور في مجموعة بيانات COCO8 وفوائد استخدام الفسيفساء أثناء عملية التدريب.
الاستشهادات والشكر والتقدير
إذا كنت تستخدم مجموعة بيانات COCO في عملك البحثي أو التطويري، يرجى الاستشهاد بالورقة التالية:
@misc{lin2015microsoft,
title={Microsoft COCO: Common Objects in Context},
author={Tsung-Yi Lin and Michael Maire and Serge Belongie and Lubomir Bourdev and Ross Girshick and James Hays and Pietro Perona and Deva Ramanan and C. Lawrence Zitnick and Piotr Dollár},
year={2015},
eprint={1405.0312},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
نودّ أن نعرب عن تقديرنا لاتحاد COCO Consortium على إنشاء هذا المورد القيّم لمجتمع الرؤية الحاسوبية والحفاظ عليه. لمزيد من المعلومات حول مجموعة بيانات COCO ومنشئيها، يرجى زيارة الموقع الإلكتروني لمجموعة بيانات COCO.
الأسئلة الشائعة
فيمَ تُستخدم مجموعة بيانات Ultralytics COCO8؟
مجموعة بيانات Ultralytics COCO8 عبارة عن مجموعة بيانات مدمجة ومتعددة الاستخدامات للكشف عن الأجسام، وتتكون من أول 8 صور من مجموعة بيانات COCO التدريبية لعام 2017، مع 4 صور للتدريب و4 للتحقق من صحة الصور. وهي مصممة لاختبار نماذج الكشف عن الأجسام وتصحيحها وتجربة مناهج الكشف الجديدة. على الرغم من صغر حجمها، توفر COCO8 تنوعًا كافيًا لتعمل بمثابة فحص سلامة خطوط أنابيب التدريب قبل نشر مجموعات بيانات أكبر. لمزيد من التفاصيل، اطلع على مجموعة بيانات COCO8.
كيف يمكنني تدريب نموذج YOLO11 باستخدام مجموعة بيانات COCO8؟
لتدريب نموذج YOLO11 باستخدام مجموعة بيانات COCO8، يمكنك استخدام الأوامر Python أو CLI . إليك كيف يمكنك البدء:
مثال على القطار
للاطلاع على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب النموذجي.
لماذا يجب أن أستخدم Ultralytics HUB لإدارة تدريب COCO8 الخاص بي؟
Ultralytics HUB هي أداة ويب شاملة مصممة لتبسيط تدريب ونشر نماذج YOLO ، بما في ذلك نماذج Ultralytics YOLO11 على مجموعة بيانات COCO8. وهي توفر التدريب السحابي، والتتبع في الوقت الحقيقي، وإدارة مجموعة البيانات بسلاسة. تتيح لك HUB بدء التدريب بنقرة واحدة وتجنب تعقيدات الإعدادات اليدوية. اكتشف المزيد حول Ultralytics HUB وفوائده.
ما هي فوائد استخدام زيادة الفسيفساء في التدريب باستخدام مجموعة بيانات COCO8؟
تدمج زيادة الفسيفساء، التي تم عرضها في مجموعة بيانات COCO8، صورًا متعددة في صورة واحدة أثناء التدريب. تزيد هذه التقنية من تنوع الأجسام والمشاهد في كل دفعة تدريب، مما يحسن قدرة النموذج على التعميم عبر أحجام الأجسام المختلفة ونسب أبعادها وسياقاتها. ينتج عن ذلك نموذج أكثر قوة للكشف عن الأجسام. لمزيد من التفاصيل، راجع دليل التدريب.
كيف يمكنني التحقق من صحة نموذجي YOLO11 الذي تم تدريبه على مجموعة بيانات COCO8؟
يمكن إجراء التحقق من صحة نموذجك YOLO11 المدرب على مجموعة بيانات COCO8 باستخدام أوامر التحقق من صحة النموذج. يمكنك استدعاء وضع التحقق من الصحة عبر البرنامج النصي CLI أو Python لتقييم أداء النموذج باستخدام مقاييس دقيقة. للحصول على تعليمات مفصلة، قم بزيارة صفحة التحقق من الصحة.